买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州浪潮智能科技有限公司

摘要：本申请公开了一种短文本分类方法、装置、设备及存储介质。该方法包括：通过智能问答系统获取待分类论文的论文题目，以得到目标短文本；对所述目标短文本进行文本预处理，得到处理后文本；利用TF‑IDF算法和贝叶斯分类算法计算所述处理后文本的TF‑IDF加权贝叶斯后验概率，并根据所述TF‑IDF加权贝叶斯后验概率确定出所述待分类论文的分类结果。通过结合智能问答系统，教师批改学生论文时只需将学生的论文题目录入系统，可批量对学生论文进行归类，节省了教师的时间和精力，并且，采用TF‑IDF算法和贝叶斯分类算法结合的方式计算处理后文本对应的具有TF‑IDF加权的贝叶斯后验概率，提高了分类结果的精确度。

主权项：1.一种短文本分类方法，其特征在于，包括：通过智能问答系统获取待分类论文的论文题目，以得到目标短文本；对所述目标短文本进行文本预处理，得到处理后文本；利用TF-IDF算法和贝叶斯分类算法计算所述处理后文本的TF-IDF加权贝叶斯后验概率，并根据所述TF-IDF加权贝叶斯后验概率确定出所述待分类论文的分类结果；其中，所述利用TF-IDF算法和贝叶斯分类算法计算所述处理后文本的TF-IDF加权贝叶斯后验概率，并根据所述TF-IDF加权贝叶斯后验概率确定出所述待分类论文的分类结果，包括：利用TF-IDF算法计算所述处理后文本中每个特征词的特征权重；利用贝叶斯分类算法结合所述特征权重计算所述处理后文本对应于不同论文类别的概率，以得到所述处理后文本对应于不同论文类别的TF-IDF加权贝叶斯后验概率；根据所有所述TF-IDF加权贝叶斯后验概率确定出所述待分类论文的分类结果；其中，所述利用TF-IDF算法计算所述处理后文本中每个特征词的特征权重，包括：利用TF-IDF算法计算所述处理后文本中每个特征词的特征权重，计算公式如下： ；其中，为所述处理后文本的特征向量，表示为；为所述中的特征词，；为词频；为逆文档频率；为特征词在中出现的次数；为中所有特征词的数量；为语料库中论文题目总数；为包含特征词的论文题目数量；其中，所述利用贝叶斯分类算法结合所述特征权重计算所述处理后文本对应于不同论文类别的概率，包括：利用贝叶斯分类算法结合所述特征权重计算所述处理后文本对应于不同论文类别的概率，计算公式如下： ；其中，为论文类别，表示为；为类别的先验概率；为乘积符号；，为所述处理后文本的特征向量，表示为；为特征词的特征权重；为所述中的特征词，。

全文数据：

权利要求：

百度查询： 苏州浪潮智能科技有限公司 一种短文本分类方法、装置、设备及存储介质